GFPGAN
Free.ai (self-hosted)
·
image_enhance
·
~1000 निशानियाँ प्रति image
GFPGAN is a छवि श्वेत- श्याम built by Tencent. Strongest at Portrait restoration, photo touch-up.. Free.ai GPUs पर स्व-होस्ट - आपके दैनिक टोकन पूल (1,000 टोकन प्रति छवि) के खिलाफ मुफ्त चलाता है. Released under Apache 2.0 - commercial use permitted on Free.ai.
एक जैसे आदर्श
बार बार पूछे जाने वाले प्रश्न
GFPGAN upscales and sharpens low-resolution images while preserving detail. Upload a small or blurry photo and GFPGAN returns a higher-resolution version suitable for print, large displays, or further editing.
2× and 4× are the standard targets; some configurations support 8×. Final size is capped at 8192×8192 pixels on Free.ai to keep memory bounded.
पीएनजी, जेपी, वेबपीआई, और बम्पिक 10 MB. वेब पृष्ठ को एनिमेट किया गया GIF को फ्रेम से नियंत्रित किया जाता है.
जी हाँ — आधुनिक विसर्जन में सुधार शामिल है. समर्पित / छवि/ places/ उपकरण के लिए बहुत ही अपमानजनक चित्र सबसे अच्छे परिणाम देता है _BAR_FEA_H_name_H_name_H_H_BAR_ एक पास के सामान्य दृश्य चेहरे और चेहरे को संभालता है _BAR_
GFPGAN runs on our own GPUs against your daily free pool first; then $5 → 200,000 paid tokens. About ~500 tokens per upscale.
GFPGAN hallucinates plausible detail at the upscale step - it is not a forensic tool. For most consumer uses (web → print, mobile → desktop wallpaper, archive scan → display) the result is convincing.
Crisp on large text + simple logos; small fine print can warp on aggressive (4×+) settings. Use 2× when text fidelity matters most.
हाँ, / tbcc/ Carts एक फ़ोल्डर स्वीकार करता है. आउटपुट / se/ se/? tabbitst upd upd. फ़ोल्डर- folder का उपयोग करने के लिए.
Yes - POST to /v1/image/enhance/ with model="GFPGAN" and your image. /api/ has the full reference + auth.
Free.ai के शेष के रूप में एक ही नीति हमारे जी-host मॉडल पर बने रहें; एक DPP के माध्यम से पार हो रहे हैं; अपलोड के साथ भाग-DPli, 7 हस्ताक्षरित समय पर खत्म हो गया है। हम आपकी छवियों पर प्रशिक्षित नहीं करते।
जी हाँ, Free.ai स्केलेड छवियों का व्यावसायिक उपयोग करता है. आपको अपने स्रोत को खुद अपलोड करना होगा.
2× 20 सेकंड पर 1560 सेकंड, स्रोत रेज़ोल्यूशन और GUP लोड पर आधारित 4× में 1560 सेकंड.टिक मॉडल उन रेंज्स के निचले छोर पर खत्म होने की कोशिश करते हैं.